非线性反演方法现状和展望2009-王家映.pptVIP

MT非线性反演方法的现状和展望  王家映 2009年 2月 21日 提纲 前言 MT非线性反演方法的现状 MT反演技术的展望 众所周知，绝大多数地球物理问题都是非线性问题。而非线性问题既可线性化用线性反演的方法解决，也可以不线性化仍按非线性问题进行反演。 应该说，线性反演已经有了一套比较完整的理论，在许多情况下，获得了成功的应用，取得了良好的地质效果。 前言 但是，非线性反演则不同。如果将非线性问题线性化，在多参数、目标函数多极值的复杂情况下，反演结果很容易陷入目标函数局部极小这一陷阱，而且，极大的取决于初始模型。往好里讲，所得的解偏离真实的地球物理模型；往坏里讲，迭代过程无法收敛，反演以失败而告终。 从上个世纪80年代以来，非线性问题引起了世界的广泛关注。非线性反演也不例外。在这方面，国内外地球物理工作者投如了大量的人力和物力，提出了许多新的非线性地球物理反演方法，如蒙特卡罗法(Monte-carlo)法,模拟退火法(SA)，遗传算法(GA)，人工神经网络(ANN)，…。新的非线性反演方法的应用和出现，不但有效地提高了反演的效果，而且更加深了人们对非线性地球物理反演的认识和理解。 但是，直到目前为止，非线性反演仍然没有形成一套自身完整的理论，没有一种大家都能接受的分类方法。在2D和3D方面的实际应用更少。近年来，我们地质大学(武汉)地空学院反演理论课体组，在非线性反演方法的研究方面也作了一些工作。先后提出或实践了如下一些非现性反演方法。 MT非线性反演方法的现状 ◆物理类 ◆数学类 ◆仿生类  1、物理类 1) 原子跃迁法 (Atomic Transition Algorithm, ATA) 2) 模拟退火法 （Simulated Annealing, SA） 3) 量子退火法 (Quantum SA) 4) 量子遗传算法 (Quantum GA) 2、数学类 1) 贝叶斯法 (Bayesian Inversion) 2) 同伦算法 (Homotopy Algorithm) 3) 多尺度非线性反演法 (Multi-Scale Algorithm) 4) 蒙特卡罗法 (Monte-Carlo) 3、仿生类 1) 粒子群算法 (Particle Swarm Optimization, PSO) 2) 免疫算法 (Immune Algorithm, IA) 3) 人工神经元法 (ANN) 4) 遗传算法 (GA) 5) 蚂蚁算法 (Ant Colony Optimization, ACO） MT反演技术的展望 下面，我仅就非线性反演法如何发展，谈一点意见，仅供参考。 1、继续开展不同原理的非线性地球物理反演方法的研究，寻找在不同情况下，有效暴露模型空间，实现全局寻优的最佳方法。 从已介绍的方法看来，非线性反演方法的关键，在于充分地暴露模型空间、最快的收敛到全局极小。暴露的方法不同，就构成不同的反演方法。 如，彻底暴露模型空间的方法叫穷举法；随机暴露模型空间的办法叫Monte Carlo法；利用冶金学中的淬火原理，暴露模型空间的方法叫模拟退火法；利用生命演化体现的随机进行‘配对’、‘交叉’、‘变异’、‘繁殖’这一适者生存的原则暴露模型空间的方法叫遗传算法；利用量子力学的原理，借助模拟退火或遗传算法的思路暴露模型空间的方法叫量子退火 或量子遗传算法；利用原子跃迁的原理暴露模型空间的方法叫原子跃迁法；利用拓扑学的原理暴露模型空间的方法叫同伦算法；利用蚂蚁觅食的原理而建立起来的暴露模型空间的方法叫蚂蚁觅食法；利用人工免疫原理而建立起来的暴露模型空间的方法叫免疫算法…….。不言而喻，还可以有基于其它（数学的， 物理的，仿生的）原理而建立起来的暴露模型空间的方法。这里不再赘述。为了根据具体情况更好地选择适合的反演方法，既能充分地暴露模型空间又能有效地提高反演的效率，我们不仅要研究各种不同的反演方法的原理，而且要研究它的应用条件和适用范围。并用更多的实际资料对已有各种非线性反演方法 ? 的原理进行修改和补充，对应用程序进行试算和检验，使之更好的为地球物理资料的反演和解释服务，不应只限于方法的研究，这是当务之急。 ??2、? 开展对高阶统计量在地球物理资料非线性反演中的应用研究，探索在地球物理观测数据和理论数据之间的残差不服从正态分布条件下，非线性反演的新方法。 大家知道，常规的反演方法是基于地球物理观